تمت إعطاء أهمية كبيرة للفحص بالمنظار القولوني في التحديد المبكر والتشخيص السريري لسرطان القولون. لا يزال من التحديات الكبيرة تحقيق تقسيم دقيق للبوليبات. ومع ذلك، تظل النماذج الحالية المتطورة محدودة في قدرتها على التقسيم بسبب غياب حدود واضحة وشبه متطابقة بين الأنسجة الطبيعية والبوليبات. ولحل هذه المشكلة، نقترح شبكة مُحسَّنة بالانتباه الذاتي الإقليمي (RSAFormer) التي تستخدم معالجًا تحويليًا (Transformer Encoder) لاستخلاص ميزات أكثر قوة. على عكس الطرق المتميزة الأخرى، يعتمد RSAFormer بشكل فريد على هيكل مزدوج للمُفكِّك (Dual Decoder) لإنتاج خرائط ميزات متنوعة. مقارنةً بالطرق التقليدية التي تعتمد عادةً على مُفكِّك واحد، يوفر هذا النموذج مرونة أكبر وتفصيلًا أعمق في استخلاص الميزات. كما يُدخل RSAFormer وحدة مُحسَّنة بالانتباه الذاتي الإقليمي (RSA) للحصول على معلومات ميزات أكثر دقة وتعزيز التفاعل القوي بين الميزات من المستويات المنخفضة والمستويات العالية. تعزز هذه الوحدة المناطق غير المؤكدة لاستخلاص معلومات حدودية أكثر دقة، حيث تمثل هذه المناطق السياق الإقليمي. أُجريت تجارب واسعة على خمسة مجموعات بيانات شائعة للبوليبات لإظهار كفاءة RSAFormer. فقد حقق أداءً بنسبة 92.2% و83.5% في متوسط معامل دايسي (mean Dice) على مجموعتي بيانات Kvasir وETIS على التوالي، متفوّقًا على معظم النماذج المتطورة حديثًا.